TensorFlowとPythonでデータ拡張（Augmentation）を使って過学習を減らす方法

データ拡張（Data Augmentation）は、訓練データに新たなサンプルを追加することで過学習（オーバーフィッティング）を軽減するための有効な手法です。具体的には、「RandomFlip」レイヤーなどを含むSequentialモデルを作成して実装します。

前提知識：Keras Sequential APIとCNN

本記事では、KerasのSequential APIを使用します。このAPIは、各レイヤーが正確に1つの入力テンソルと1つの出力テンソルを持つ、単純なレイヤーの積み重ねからなるモデルを構築するのに適しています。

少なくとも1つの畳み込み層（Convolutional Layer）を含むニューラルネットワークは「畳み込みニューラルネットワーク（CNN）」と呼ばれ、これを用いて学習モデルを構築できます。

画像分類器はkeras.Sequentialモデルで作成し、データはpreprocessing.image_dataset_from_directoryを使ってディスクから効率的に読み込みます。その後、過学習を検出し、データ拡張やドロップアウトといった手法を適用して対策を行います。

使用するデータセットについて

今回使用するのは約3,700枚の花の画像データセットです。このデータセットには5つのサブディレクトリが含まれており、クラスごとに1つのサブディレクトリが対応しています。クラスは以下の5種類です。

• daisy（デイジー）
• dandelion（タンポポ）
• roses（バラ）
• sunflowers（ひまわり）
• tulips（チューリップ）

コードの実行にはGoogle Colaboratoryを使用します。Google Colabはブラウザ上でPythonコードを実行できる環境で、設定不要かつGPU（グラフィックス処理装置）へ無料でアクセスできます。Jupyter Notebookをベースに構築されています。

過学習とは何か

訓練サンプルの数が少ない場合、モデルは訓練データに含まれるノイズや不要なディテールまで学習してしまいます。これにより、新しいデータに対するモデルのパフォーマンスが低下します。

過学習が起きると、モデルは未知のデータセットに対してうまく汎化できなくなります。過学習を回避する方法はいくつかありますが、本記事ではデータ拡張を用いて対策します。

データ拡張とは、既存のサンプルに対してランダムな変換を加えることで、見た目として自然な画像を生成し、追加の訓練データを作り出す手法です。これにより、モデルはデータのさまざまな側面に触れることができ、汎化性能の向上につながります。

コード例

print("Using data augmentation to eliminate overfitting")
data_augmentation = keras.Sequential(
    [
        layers.experimental.preprocessing.RandomFlip("horizontal",input_shape=(img_height,
        img_width,3)),
        layers.experimental.preprocessing.RandomRotation(0.1),
        layers.experimental.preprocessing.RandomZoom(0.1),
    ]
)

コード引用元：https://www.tensorflow.org/tutorials/images/classification

実行結果

Using data augmentation to eliminate overfitting

解説

• データ拡張は、tf.keras.layers.experimental.preprocessing のレイヤーを使って実装できます。

• これらのレイヤーは他のレイヤーと同様にモデル内に組み込まれ、GPU上で実行されます。

• この仕組みにより、過学習を排除または軽減することが可能になります。